Resensi Riset: Sistem Peringatan Dini Multi-Bahaya ASEAN (EWS) dan Arah Riset ke Depan

Laporan berjudul "Strengthening ASEAN Multi-Hazard End to End Early Warning System for Natural Disasters: An Assessment of Current Capacity" yang diterbitkan pada Februari 2024 merupakan tonggak penting bagi komunitas akademik dan praktisi dalam bidang Pengurangan Risiko Bencana (DRR). Sebagai upaya kolektif yang dipandu oleh ASEAN Committee on Disaster Management Working Group on Prevention and Mitigation (ACDM WG P&M), laporan ini menyajikan penilaian mendalam dan sistematis terhadap status terkini dan tantangan yang dihadapi oleh Sistem Peringatan Dini End-to-End (E2E-EWS) di sepuluh Negara Anggota ASEAN.

Jalur Logis Temuan dan Potensi Jangka Panjang

Penilaian ini didasarkan pada kerangka EWS yang terdiri dari empat elemen krusial: Pengetahuan Risiko Bencana; Kapasitas Deteksi, Pemantauan, Analisis, dan Peramalan Bahaya; Penyebaran dan Komunikasi Peringatan; serta Kesiapsiagaan dan Kapabilitas Respons. Logika penelitian ini bergerak dari pengakuan akan kemajuan regional yang substansial, terutama yang didorong oleh ASEAN Agreement on Disaster Management and Emergency Response (AADMER), menuju identifikasi titik-titik lemah spesifik yang menghambat realisasi ketahanan kolektif.

Secara inheren, kawasan ASEAN adalah wilayah yang sangat rentan. Data kuantitatif dari temuan ini menunjukkan hubungan kuat antara kerentanan geografis dan ancaman hidrometeorologi. Secara deskriptif, temuan ini menunjukkan bahwa Banjir menjadi ancaman bencana yang paling dominan di kawasan ini, menyumbang 2.068 (77,6%) dari total bencana yang tercatat antara tahun 2021 hingga 2022. Angka ini—sekitar tiga perempat dari seluruh kejadian bencana—menunjukkan potensi kuat untuk penelitian baru yang berfokus pada dinamika air dan prediksi bencana turunan. Lebih lanjut, penilaian kapasitas nasional mengungkapkan ketidakseimbangan yang signifikan: misalnya, dalam elemen Pengetahuan Risiko Bencana di beberapa negara, kapasitas untuk mengidentifikasi bahaya utama dinilai tinggi (skor studi awal 5.0 dari 5.0), namun skor untuk sub-elemen yang lebih kompleks—seperti penilaian dan kuantifikasi penuh terhadap eksposur, kerentanan, dan kapasitas—turun drastis (skor akhir 2.0), menunjukkan kesenjangan antara pengenalan bahaya dan kematangan analisis risiko terintegrasi. Kesenjangan ini mengindikasikan bahwa kerangka legislatif yang mapan belum sepenuhnya terinstitusionalisasi dalam praktik operasional dan pengambilan keputusan sehari-hari.

Jalur logis temuan berlanjut pada identifikasi benang merah masalah utama: keterbatasan interkoneksi antara empat elemen EWS di antara Negara Anggota ASEAN. Keterputusan ini menghasilkan peluang pembangunan kapasitas yang hilang, perencanaan yang tidak didukung data yang optimal, dan duplikasi upaya. Berangkat dari analisis kesenjangan ini, laporan tersebut secara eksplisit menyusun empat area programatik (Peningkatan Kebijakan, Penguatan Institusional, Pengembangan Kapasitas, dan Bantuan Teknis) untuk memajukan sistem peringatan dini di kawasan ini.

Dengan demikian, laporan ini tidak hanya berfungsi sebagai inventarisasi kapasitas saat ini tetapi juga sebagai peta jalan yang menghubungkan kelemahan sistem saat ini (misalnya, data siloed dan kesenjangan peringatan last-mile) dengan potensi jangka panjang berupa sistem EWS regional yang harmonis dan tangguh.

Kontribusi Utama terhadap Bidang

Laporan ini memberikan kontribusi yang tak ternilai bagi bidang Manajemen Bencana Regional, terutama di ASEAN, dengan empat poin utama:

1. Pendefinisian Kapasitas EWS Regional: Laporan ini secara definitif memetakan kapasitas EWS ASEAN di bawah empat pilar yang diakui secara internasional. Hal ini memberikan titik data dasar yang dapat diulang dan digunakan oleh peneliti untuk mengukur kemajuan di masa depan.
2. Identifikasi Kesenjangan Sistemik: Kontribusi paling signifikan adalah penyorotan secara eksplisit mengenai keterbatasan interkoneksi dan duplikasi upaya sebagai masalah sistemik inti di kawasan. Ini mengalihkan fokus dari masalah teknis nasional yang terisolasi ke kebutuhan untuk kohesi regional, suatu wawasan penting bagi penerima hibah riset yang berupaya untuk dampak lintas batas.
3. Pengakuan Kerangka Legislatif yang Matang: Laporan ini menggarisbawahi adanya kerangka legislatif dan kebijakan yang relatif matang di sebagian besar negara anggota dalam elemen Kesiapsiagaan dan Respons. Kontribusi ini menegaskan bahwa langkah riset selanjutnya harus bergeser dari pengembangan kerangka kerja ke arah institusionalisasi dan pengujian operasional dari kerangka tersebut.
4. Peta Jalan Programatik yang Jelas: Laporan ini mengakhiri dengan kerangka rekomendasi yang terbagi menjadi Peningkatan Kebijakan, Penguatan Institusional, Pengembangan Kapasitas, dan Bantuan Teknis. Struktur ini menyediakan kerangka kerja yang jelas bagi peneliti untuk merancang proposal riset yang secara langsung mendukung tujuan strategis ASEAN.

Keterbatasan dan Pertanyaan Terbuka

Meskipun laporan ini komprehensif, ia secara jujur mengakui adanya keterbatasan, terutama yang disebabkan oleh ketersediaan informasi yang terbatas dan keterlibatan pemangku kepentingan dalam beberapa kasus. Keterbatasan ini memunculkan serangkaian pertanyaan terbuka krusial untuk riset akademik lanjutan.

Keterbatasan sistemik utama yang teridentifikasi adalah kesenjangan dalam Penyebaran dan Komunikasi Peringatan. Penilaian menyoroti kelemahan dalam saluran komunikasi yang dapat menjangkau komunitas terpencil, terutama dalam hal ketiadaan panduan yang jelas dan dapat ditindaklanjuti dalam pesan peringatan. Pertanyaan terbuka untuk peneliti adalah: Bagaimana mekanisme umpan balik yang tangguh dapat diterapkan di tingkat lokal untuk memverifikasi penerimaan dan pemahaman peringatan di komunitas terpencil? Selain itu, kurang optimalnya pemanfaatan Penilaian Risiko dan Kerentanan (RVA) di banyak proses EWS nasional memunculkan pertanyaan riset mendasar: Model institusional dan teknis apa yang paling efektif dalam mengubah data RVA (yang seringkali berbentuk laporan statis) menjadi input dinamis dan terintegrasi yang secara langsung memengaruhi pesan peringatan dan rencana respons?

Keterbatasan yang paling luas dampaknya adalah harmonisasi yang terbatas antar komponen sistem peringatan dini dan data yang siloed (terisolasi) di tingkat regional. Hal ini langsung mengarah pada pertanyaan riset yang berfokus pada interoperabilitas teknologi: Bagaimana ASEAN dapat mencapai implementasi penuh Common Alerting Protocol (CAP) yang konsisten di seluruh lembaga penerbit peringatan nasional (NMS/NDMO) untuk mengatasi kesenjangan kapasitas dalam berbagi pesan peringatan regional? Penelitian masa depan harus mengatasi keterbatasan ini dengan mengembangkan model yang tidak hanya mengidentifikasi kesenjangan, tetapi juga mengusulkan solusi teknis dan kelembagaan yang terukur.

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Berdasarkan temuan utama mengenai kurangnya interkoneksi, pemanfaatan RVA yang tidak optimal, dan kesenjangan komunikasi last-mile, lima arah riset ke depan berikut ini direkomendasikan secara eksplisit untuk komunitas akademik dan penerima hibah:

1. Riset 1: Pengembangan Kerangka Interoperabilitas Semantik Data RVA Lintas Batas.
   • Basis Temuan: Laporan menyoroti tantangan "data siloed" dan perlunya penguatan proses dan perjanjian untuk berbagi data RVA.
   • Metode, Variabel, atau Konteks Baru: Penelitian harus berfokus pada perancangan model semantik regional yang dapat menstandarkan meta-data dari berbagai produk RVA nasional (peta bahaya, skor kerentanan demografis). Variabel riset adalah koefisien normalisasi data yang mengukur seberapa efektif data RVA dari satu Negara Anggota ASEAN (misalnya, Indonesia) dapat secara otomatis diserap dan diproses oleh Sistem Pemantauan dan Respons Bencana (DMRS) regional atau sistem negara tetangga. Hal ini memerlukan studi perbandingan sistem geospasial yang ada (seperti BIG di Indonesia) untuk merumuskan protokol pertukaran.
   • Justifikasi Ilmiah: Untuk mengoptimalkan pemanfaatan penilaian risiko di tingkat regional, komunitas ilmiah harus menyediakan mekanisme teknis untuk menginstitusionalisasi pertukaran data, mengatasi hambatan teknis yang saat ini mencegah interkoneksi empat elemen EWS.
2. Riset 2: Analisis Etnografi dan Pengujian Pesan Peringatan 'Last-Mile' yang Dilokalisasi.
   • Basis Temuan: Terdapat kesenjangan signifikan dalam Penyebaran dan Komunikasi Peringatan, termasuk kurangnya panduan yang jelas dan dapat ditindaklanjuti serta kelemahan dalam menjangkau komunitas terpencil dan kelompok rentan.
   • Metode, Variabel, atau Konteks Baru: Menggunakan riset aksi kolaboratif dengan komunitas pedesaan/pesisir. Variabel utama adalah Koefisien Efektivitas Respon (CER), yang mengukur rasio antara penerimaan pesan peringatan dan tindakan perlindungan yang tepat waktu (respon yang benar) untuk bahaya spesifik (misalnya, banjir 77,6% ). Penelitian harus menguji pesan peringatan yang diformulasikan berdasarkan rekomendasi laporan untuk dilokalisasi (bahasa lokal, media komunikasi non-digital) terhadap pesan peringatan standar.
   • Justifikasi Ilmiah: Meningkatkan last-mile alerting sangat penting untuk menyelamatkan nyawa. Riset ini menyediakan bukti berbasis ilmiah mengenai delivery dan reception efficacy dari pesan peringatan, mendukung rekomendasi laporan untuk penyesuaian program edukasi publik.
3. Riset 3: Pemodelan Simulasi Dampak Multi-Bahaya Berbasis Kapasitas Cloud.
   • Basis Temuan: EWS regional harus diperkuat untuk multi-bahaya dan laporan merekomendasikan penggunaan teknologi cloud untuk ketersediaan tinggi dan peringatan yang berkelanjutan.
   • Metode, Variabel, atau Konteks Baru: Pengembangan platform pemodelan simulasi bencana berbasis cloud (misalnya, menggunakan arsitektur high availability yang direkomendasikan) yang dapat memproses data real-time dari berbagai sumber (misalnya, data prediksi Flash Flood Guidance ). Variabel riset adalah koefisien kecepatan pemrosesan bahaya turunan (cascading hazard) (misalnya, dari Gempa ke Tsunami atau Siklon ke Banjir Bandang). Fokus pada bagaimana beban komputasi dapat didistribusikan secara efisien di antara mitra regional.
   • Justifikasi Ilmiah: Ancaman multi-bahaya (seperti yang diindikasikan oleh data bencana regional ) memerlukan alat peramalan yang lebih canggih, dan teknologi cloud adalah solusi yang diusulkan oleh laporan untuk mengatasi masalah kapasitas regional.
4. Riset 4: Analisis Regulasi dan Teknis Implementasi Penuh Common Alerting Protocol (CAP).
   • Basis Temuan: Laporan ini secara eksplisit merekomendasikan adopsi standar internasional seperti CAP untuk meningkatkan interoperabilitas EWS.
   • Metode, Variabel, atau Konteks Baru: Penelitian perbandingan regulasi (policy analysis) antar negara yang membandingkan hambatan legislatif (undang-undang pembagian peran) dan teknis (sistem perangkat lunak yang tidak kompatibel) yang menghambat implementasi CAP. Variabel kunci adalah Waktu Tunda Peringatan Lintas Batas (WTP-LB), yaitu metrik yang mengukur keterlambatan waktu antara penerbitan peringatan nasional dan validasi/diseminasi peringatan ke negara tetangga.
   • Justifikasi Ilmiah: Hambatan teknis dan kelembagaan dalam berbagi pesan peringatan regional (yang saat ini dianggap sebagai kesenjangan kapasitas ) dapat diatasi melalui standardisasi yang didukung oleh CAP. Riset ini memberikan dasar berbasis bukti untuk Penguatan Institusional.
5. Riset 5: Studi Evaluasi Efektivitas Program Edukasi Publik yang Ditargetkan.
   • Basis Temuan: Laporan ini merekomendasikan penyesuaian program edukasi publik dan mencatat keterbatasan dalam menangani kebutuhan kelompok rentan.
   • Metode, Variabel, atau Konteks Baru: Perancangan dan pengujian Community Preparedness Index (CPI) sebagai variabel terukur. Penelitian akan membandingkan peningkatan CPI (mengukur pengetahuan, sikap, dan praktik) di antara kelompok rentan (misalnya, penyandang disabilitas, lansia) yang menerima program edukasi yang dirancang khusus, dengan kelompok yang menerima program umum.
   • Justifikasi Ilmiah: Peningkatan kebijakan yang didukung laporan harus didasarkan pada data yang menunjukkan bahwa upaya mitigasi dan kesiapsiagaan (preparedness) benar-benar efektif dan inklusif. Riset ini mendukung pembenaran ilmiah untuk Peningkatan Kebijakan.

Penelitian lebih lanjut harus melibatkan institusi ASEAN Secretariat/ACDM, AHA Centre, dan Pacific Disaster Center (PDC) untuk memastikan keberlanjutan dan validitas hasil, menerjemahkan rekomendasi akademik menjadi kebijakan operasional regional yang dapat diukur.

Baca paper aslinya di sini: Baca paper aslinya di sini

 Resensi Riset: Tinjauan Struktural Model Manajemen Bencana dan Kontribusinya

Penelitian kualitatif yang dilakukan oleh Alrehaili et al. ini bertujuan untuk melakukan pemeriksaan kritis terhadap model-model manajemen bencana melalui analisis tematik guna menentukan kontribusi mereka, serta mengidentifikasi kendala atau tantangan signifikan yang dapat membatasi kemampuan model-model tersebut dalam melaksanakan tindakan pengurangan risiko bencana (DRR) yang tepat. Dengan mengadopsi pendekatan kualitatif, studi ini menginvestigasi literatur yang ada untuk mengevaluasi peran model dalam manajemen bencana. Kesimpulan utama yang muncul adalah bahwa model-model ini sangat diperlukan karena mereka menyederhanakan dan meningkatkan manajemen bencana , bertindak sebagai alat pendukung pengambilan keputusan yang berharga bagi perencana, manajer, dan praktisi.

Model dalam konteks ini didefinisikan sebagai "sistem fungsi dan kondisi yang menghasilkan hasil formal". Penelitian ini berargumen bahwa, meskipun ada banyak model yang tersedia, bencana masih sering dikelola secara tidak efisien, menunjukkan adanya kebutuhan untuk terus memperbaiki model agar manajemen bencana tetap menjadi disiplin profesional dan ilmiah. Studi ini menggarisbawahi pentingnya model untuk menyederhanakan situasi yang rumit (terutama dengan batasan waktu yang ketat), membantu pemahaman melalui perbandingan kondisi nyata dengan model teoretis, menyediakan alat yang efektif untuk mengukur aktivitas bencana, dan mendukung pembentukan pemahaman bersama di antara semua pihak yang berkepentingan.

Jalur Logis Perjalanan Temuan

Metodologi penelitian ini melibatkan kajian literatur diikuti oleh analisis konten, dengan menggunakan basis data ilmiah utama seperti Google Scholar dan Scopus. Proses pengumpulan dan klasifikasi model dilakukan melalui metodologi tiga tahap: pengumpulan model, analisis dan klasifikasi, dan diskusi model.

Temuan utama dari tinjauan ini mengarah pada klasifikasi model manajemen bencana ke dalam lima kategori utama, yang memperluas kategorisasi empat jenis model sebelumnya (logis, kausal, terintegrasi, dan tidak terkategorikan) dengan menambahkan kelompok kelima, yaitu model kombinatorial. Model kombinatorial ini diusulkan karena beberapa model tidak cocok untuk dimasukkan ke dalam kelompok yang sudah ada, dan model baru ini terdiri dari campuran model logis, kausal, dan terintegrasi.

1. Model Logis: Didefinisikan sebagai desain sederhana dari fase-fase utama manajemen bencana yang menekankan prosedur penting. Contoh populer adalah Model Tradisional (1998), yang membagi siklus manajemen bencana menjadi tiga fase: sebelum, selama, dan setelah bencana.
2. Model Kausal: Fokus utama model-model ini adalah memahami akar penyebab bencana. Contohnya adalah Model Penyebab Krisis (Crunch Cause Model) (2000), yang menawarkan kerangka kerja berdasarkan prinsip bahwa kerentanan bencana dapat dipengaruhi oleh berbagai faktor, seperti yang dijelaskan dalam persamaan: Bahaya + Kerentanan = Risiko Bencana.
3. Model Terintegrasi: Mengatur tugas yang diperlukan untuk menjamin kinerja yang efektif dan efisien, dengan empat komponen: penilaian risiko, manajemen bahaya, mitigasi, dan kesiapsiagaan. Model Kesehatan Manitoba (2002) adalah salah satu yang paling umum, yang terdiri dari enam bagian utama.
4. Model Kombinatorial: Menggabungkan model logis, kausal, dan terintegrasi untuk mengembangkan model baru. Contohnya adalah Model Komprehensif Cuny (1998), yang menggabungkan keunggulan ketiga kelompok model tersebut.
5. Model Tidak Terkategorikan: Model yang desain dan formatnya tidak termasuk dalam kriteria empat kelompok sebelumnya. Model Ibrahim et al. (2003), yang berfokus pada bencana teknologi, adalah contohnya.

Temuan penting lainnya adalah bahwa mayoritas model didasarkan pada empat fase utama manajemen bencana: mitigasi, kesiapsiagaan, respons, dan pemulihan , meskipun setiap model memiliki keunggulan yang membedakannya. Meskipun demikian, model-model tersebut tidak secara umum diterapkan dan tidak dapat digunakan dalam semua jenis bencana. Model Tradisional (1998) adalah yang paling disukai dan paling umum di antara para praktisi, bersama dengan model expand and contract (1998), Crunch cause (2000), dan Kimberly (2003).

Kontribusi Utama terhadap Bidang

Kontribusi utama studi ini bagi bidang manajemen bencana adalah penyediaan kerangka klasifikasi model yang diperbarui (lima kelompok) dan konfirmasi empiris mengenai nilai model sebagai alat pendukung keputusan yang penting. Secara deskriptif, temuan ini menunjukkan hubungan kuat antara penggunaan model yang tepat dan peningkatan tanggapan pemerintah dan komunitas terhadap bahaya dan risiko bencana—menunjukkan potensi kuat bagi objek penelitian baru untuk mengukur dampak kombinasi model. Selain itu, studi ini membenarkan bahwa model berfungsi untuk menyederhanakan dan mengklarifikasi manajemen bencana dan sangat berharga dalam menghadapi bencana besar seperti badai, gempa bumi, dan serangan teroris.

Keterbatasan dan Pertanyaan Terbuka

Meskipun model bermanfaat, penelitian ini menyoroti keterbatasan dan kekhawatiran yang terkait dengannya. Kekhawatiran tersebut meliputi ketidakpastian bencana di masa depan, sifat preskriptif model (langkah demi langkah) yang mengabaikan sifat bencana yang kompleks dan seringkali kacau, dan dampaknya terhadap bisnis. Kritik lain yang ditawarkan oleh Alexander (1997, 2002) adalah bahwa model tidak mengalami kemajuan signifikan karena korban tewas akibat bencana belum cukup berkurang, dan ada masalah seperti kurangnya transfer teknologi skala besar dan bantuan bencana yang tidak memadai.

Keterbatasan kunci yang diidentifikasi meliputi:

• Fokus yang Terbatas: Mayoritas model didasarkan pada empat fase bencana (mitigasi, kesiapsiagaan, respons, pemulihan), dan beberapa tidak mencakup semua aspek manajemen bencana, seperti manajemen risiko dan penilaian risiko.
• Pendekatan 'Satu Ukuran untuk Semua': Model cenderung mengabaikan variabel spesifik setiap bencana, termasuk variasi budaya, pemerintah, dan sumber daya, dalam upaya untuk menjadi kompatibel secara universal.
• Kurangnya Pemahaman dan Implementasi: Beberapa perencana, manajer, dan praktisi memiliki pemahaman terbatas tentang penggunaan model, dan model seringkali tidak diterapkan secara memadai, membuat model yang baik sekalipun menjadi tidak efektif.

Pertanyaan terbuka yang diajukan oleh temuan ini adalah: Bagaimana mekanisme kombinasi model yang efektif dapat distandarisasi untuk bencana yang sangat kompleks, sehingga memaksimalkan kekuatan satu model (misalnya, Logis-Tradisional) untuk mengimbangi kelemahan model lain (misalnya, Kimberly yang memerlukan pendanaan besar)?. Studi ini secara eksplisit menemukan bahwa model tidak dapat diaplikasikan secara umum untuk semua jenis bencana karena sifat bencana yang unik dan tidak terduga.

5 Rekomendasi Riset Berkelanjutan untuk Komunitas Akademik

Berdasarkan temuan studi ini mengenai keterbatasan model, sifat preskriptif, dan kurangnya pemahaman tentang implementasi, lima rekomendasi berikut diusulkan untuk riset ke depan, yang berfokus pada jalur logis dari temuan saat ini dan potensi jangka panjang:

1. Riset Empiris Multinasional tentang Penerapan Model Kombinatorial:
   • Justifikasi Ilmiah: Studi ini mengidentifikasi kelompok Model Kombinatorial (misalnya, Cuny Comprehensive Model) yang menggabungkan model Logis, Kausal, dan Terintegrasi untuk mengatasi kelemahan model tunggal.
   • Metode, Variabel, atau Konteks Baru: Penelitian harus menggunakan studi kasus mixed-method untuk secara kuantitatif mengukur efektivitas (variabel: tingkat korban, kecepatan pemulihan infrastruktur) dari model kombinatorial di berbagai konteks budaya dan ekonomi (variabel baru: variasi budaya dan ketersediaan sumber daya). Perlu untuk membandingkan keberhasilan model Wheel-shape disaster management model (gabungan Logis dan Terintegrasi) di negara maju dan negara berkembang.
   • Kebutuhan Lanjutan: Hal ini akan menghasilkan pedoman yang lebih fleksibel dan berbasis bukti untuk kustomisasi model dibandingkan pendekatan 'satu ukuran untuk semua' yang saat ini dikritik.
2. Pengembangan dan Pengujian Model 'Anti-Preskriptif' Berbasis Ketidakpastian (Non-Linearitas):
   • Justifikasi Ilmiah: Ditemukan bahwa sifat bencana yang kompleks, tidak linear, dan seringkali kacau tidak ditangani secara memadai oleh desain model yang preskriptif dan langkah demi langkah.
   • Metode, Variabel, atau Konteks Baru: Perlu mengembangkan Model Bencana Non-Linear (MBNL) baru berdasarkan Teori Kekacauan (Chaos Theory) atau dinamika sistem kompleks. Penelitian harus menggunakan simulasi prediktif dan pemodelan skenario (metode baru) untuk menguji MBNL terhadap ketidakpastian bencana di masa depan (variabel: tingkat ketidakpastian). MBNL harus berfokus pada pengambilan keputusan real-time (fase respons) di bawah kondisi waktu yang sangat ketat.
   • Kebutuhan Lanjutan: Ini akan mengatasi kekhawatiran tentang sifat preskriptif dan kurangnya kesiapan menghadapi peristiwa tak terduga.
3. Kajian Kualitatif Komprehensif tentang Integrasi Risiko dan Penilaian Risiko ke dalam Model Utama:
   • Justifikasi Ilmiah: Studi ini mencatat bahwa beberapa model tidak secara eksplisit mencakup semua aspek manajemen bencana, seperti manajemen risiko dan penilaian risiko. Model Terintegrasi hanya memiliki empat komponen utama, sementara Model Kausal berfokus pada pemahaman penyebab.
   • Metode, Variabel, atau Konteks Baru: Lakukan analisis kualitatif konten tingkat lanjut (metode baru) pada model yang paling disukai (Model Tradisional, Crunch Cause) untuk menentukan bagaimana aspek-aspek manajemen risiko secara implisit atau eksplisit dimasukkan. Variabelnya adalah tingkat integrasi manajemen risiko (TIRM) dalam deskripsi model. Riset harus menghasilkan kerangka kerja modular (Model Terintegrasi Generasi Kedua) yang memastikan TIRM tinggi.
   • Kebutuhan Lanjutan: Hal ini penting untuk memastikan bahwa model berfungsi sebagai "peta jalan" yang komprehensif, mencakup semua aspek dan mengatasi kelemahan.
4. Penelitian tentang Hambatan dan Pengurangan Gap Pengetahuan untuk Praktisi di Negara Berkembang:
   • Justifikasi Ilmiah: Ada temuan bahwa perencana dan praktisi memiliki pemahaman terbatas tentang penggunaan dan implementasi model , dan model tertentu (misalnya, Kimberly) mungkin tidak cocok untuk negara berkembang karena membutuhkan pendanaan dan pengetahuan yang besar.
   • Metode, Variabel, atau Konteks Baru: Lakukan survei dan wawancara kualitatif (metode baru) di kawasan yang rentan bencana (konteks: Asia Tenggara atau Afrika) untuk mengukur tingkat literasi model dan skeptisisme terhadap kontribusi model (variabel). Riset harus mengidentifikasi strategi pelatihan yang paling efektif untuk mentransfer pemahaman model, terutama dalam pengelolaan bencana yang disebabkan oleh manusia (man-made disasters).
   • Kebutuhan Lanjutan: Untuk meningkatkan kegunaan dan penerapan model di lapangan dan memastikan bahwa bencana dikelola secara efektif.
5. Analisis Longitudinal tentang Dampak Model pada Keberlanjutan Pembangunan:
   • Justifikasi Ilmiah: Model manajemen bencana didasarkan pada prinsip bahwa bencana mengganggu pembangunan, dan tujuannya adalah memulihkan pembangunan. Namun, studi ini tidak secara kuantitatif mengukur korelasi jangka panjang antara adopsi model dan pencapaian tujuan pembangunan berkelanjutan.
   • Metode, Variabel, atau Konteks Baru: Lakukan analisis data sekunder longitudinal (metode baru) untuk membandingkan tren pembangunan (variabel: PDB regional, infrastruktur yang diperbaiki) di wilayah yang secara konsisten menerapkan model bencana tertentu (misalnya, Model Pressure and Release (PAR) yang digunakan di Arab Saudi) selama lebih dari sepuluh tahun. Riset harus mengukur variabel baru, yaitu indeks pemulihan pembangunan (IPB).
   • Kebutuhan Lanjutan: Untuk memberikan justifikasi ekonomi dan sosial yang kuat kepada pemerintah bahwa model merupakan alat yang tak terhindarkan untuk mencapai pembangunan berkelanjutan.

Penelitian lebih lanjut harus melibatkan institusi seperti Program Pembangunan Perserikatan Bangsa-Bangsa (UNDP) (sebagai koordinator global dan penerima hibah), Bank Dunia (sebagai sumber pendanaan dan data pembangunan), dan Pusat Kesiapsiagaan Bencana Asia (ADPC) (sebagai pengembang Model Tradisional dan Crunch Cause yang populer) untuk memastikan keberlanjutan dan validitas hasil, terutama dalam konteks global yang kompleks.

Baca paper aslinya di sini

Resensi Riset Mendalam: Menuju Ketahanan Bencana Berkelanjutan di Era Compound Risks ASEAN (Instruksi 6–12)

Kawasan Asia Tenggara telah lama diakui sebagai salah satu wilayah yang paling rawan bencana di dunia. Publikasi ASEAN Risk Monitor and Disaster Management Review (ARMOR) Edisi ke-3 ini secara komprehensif membedah tantangan multidimensi ketika krisis kesehatan publik global —khususnya Pandemi COVID-19— berbenturan dengan siklus bencana alam yang terjadi secara rutin di kawasan ini. Tujuan utama riset ini adalah untuk mengukur secara kuantitatif dampak COVID-19 terhadap lanskap risiko bencana ASEAN (disaster riskscape) dan untuk mengeksplorasi secara kualitatif bagaimana organisasi penanggulangan bencana nasional (NDMO) dan AHA Centre beradaptasi. Studi ini tidak hanya penting untuk para pembuat kebijakan, tetapi juga menjadi fondasi krusial bagi komunitas akademik dan penerima hibah dalam merumuskan agenda riset ke depan.

Parafrase Isi Paper dan Jalur Logis Temuan

Jalur logis penelitian dimulai dengan penegasan bahwa periode pandemi (antara 11 Maret 2020 dan 30 November 2021) merupakan masa yang sangat rentan, di mana 48% dari total 3.503 kejadian bencana yang tercatat oleh ADINet sejak 2012 terjadi selama pandemi COVID-19. Peristiwa ini menggarisbawahi realitas risiko berjenjang (cascading risk) yang harus dihadapi kawasan ASEAN.

Untuk mengukur dampak ini, para peneliti memperkenalkan ASEAN Risk Index for Situational Knowledge (ASEAN RISK). ASEAN RISK menggunakan pendekatan model-of-models, yang menyinergikan indeks risiko terkemuka seperti INFORM (Index for Risk Management) dan ASEAN RVA (Risk and Vulnerability Assessment). Model komposit ini mengukur risiko berdasarkan tiga komponen utama: Multi-Hazard Exposure (Paparan Berbagai Bahaya), Vulnerability (Kerentanan), dan Coping Capacity (Kapasitas Penanggulangan). Dengan menggunakan data resolusi spasial tertinggi (30m x 30m) untuk mengukur paparan bahaya alam seperti gempa bumi, siklon tropis, dan banjir, model ini memberikan penilaian yang seimbang mengenai magnitud dan kepentingan paparan di setiap Negara Anggota ASEAN (AMS).

Secara konsisten dengan edisi ARMOR sebelumnya, temuan kuantitatif menunjukkan bahwa Myanmar, Filipina, dan Indonesia tetap menjadi tiga AMS yang paling berisiko terhadap bencana. Namun, analisis yang lebih kritis mengungkapkan bahwa risiko bencana di seluruh kawasan telah meningkat sejak ARMOR edisi pertama pada tahun 2019. Pendorong utama di balik peningkatan risiko ini adalah peningkatan kerentanan dan penurunan kapasitas penanggulangan.

Temuan ini menunjukkan hubungan kuat antara bencana alam dan pandemi, di mana Paparan COVID-19 (berdasarkan total kasus, kematian, dan populasi yang tidak divaksinasi) digabungkan dengan risiko bahaya alam untuk menghasilkan nilai akhir yang menunjukkan beban aditif (additive burden). Dampak gabungan ini menghasilkan temuan yang sangat penting: Pandemi COVID-19 memperburuk risiko bencana di kawasan ASEAN rata-rata 33% —menunjukkan potensi kuat untuk objek penelitian baru tentang compound risk dan sistem kesehatan publik yang terintegrasi dengan manajemen bencana. Secara spesifik, negara seperti Malaysia, Filipina, dan Indonesia mencatat persentase perubahan risiko tertinggi setelah dimasukkannya paparan COVID-19.

Di sisi respons dan operasi, survei kualitatif terhadap NDMO dan AHA Centre mengungkapkan tantangan operasional yang signifikan. Tantangan utama yang dihadapi adalah Logistik (akibat pembatasan pergerakan domestik dan internasional yang melambatkan pengiriman bantuan) dan Sumber Daya Manusia (staf NDMO harus mengemban peran ganda dalam respons kesehatan dan bencana, menyebabkan ketegangan pada sumber daya). Namun, pandemi juga mendorong praktik baik seperti digitalisasi dan virtualisasi operasional (koordinasi daring), serta desentralisasi respons ke otoritas lokal (localisation), terutama di mana ketersediaan teknologi informasi dan komunikasi (ICT) dinilai paling tidak menantang oleh responden.

Kontribusi Utama, Keterbatasan, dan Arah Riset ke Depan

Kontribusi Utama terhadap Bidang

Riset ini memberikan kontribusi mendasar terhadap ilmu manajemen bencana, terutama dalam konteks risiko berjenjang:

1. Penciptaan Metodologi ASEAN RISK: Pengenalan ASEAN RISK sebagai model-of-models yang menggabungkan dua indeks risiko terkemuka menjadi metrik komposit regional yang kuat, meningkatkan kemampuan pengambilan keputusan.
2. Kuantifikasi Dampak Krisis Kesehatan: Untuk pertama kalinya, penelitian ini secara eksplisit mengukur beban aditif dari krisis kesehatan terhadap risiko bencana alam. Temuan bahwa COVID-19 memperburuk risiko bencana rata-rata 33% memberikan bukti empiris yang tak terbantahkan tentang perlunya perencanaan terpadu.
3. Dokumentasi Penyesuaian Operasional: Melalui kuesioner, penelitian ini mendokumentasikan penyesuaian prosedur, tantangan (logistik dan SDM), dan praktik baik (virtualisasi dan lokalisasi) yang dipelajari NDMO dan AHA Centre selama bencana yang tumpang tindih dengan pandemi.

Keterbatasan dan Pertanyaan Terbuka

Meskipun berkontribusi signifikan, studi ini memiliki keterbatasan yang membuka peluang riset lanjutan. Keterbatasan utama terletak pada sifat paparan aditif COVID-19 yang diukur. Pemodelan risiko hanya mengagregasikan paparan kesehatan ke dalam model bahaya alam , yang mungkin tidak sepenuhnya menangkap interaksi non-linear atau efek bergulir (cascading effects) yang kompleks antara bencana biologi dan bencana alam.

Secara regional, penelitian ini menyoroti kesenjangan besar dalam Resiliensi: Singapura dan Brunei Darussalam memiliki skor Kapasitas Penanggulangan (Coping Capacity) yang jauh lebih tinggi daripada skor Kerentanan dan Paparan Bahaya mereka. Kesenjangan ini menunjukkan adanya 'kelebihan kapasitas ketahanan' (resilience surplus) di beberapa AMS, namun mekanismenya belum sepenuhnya dipahami atau dimanfaatkan untuk dibagi kepada AMS lain, yang merupakan pertanyaan terbuka krusial.

5 Rekomendasi Riset Berkelanjutan (dengan Justifikasi Ilmiah)

Berikut adalah lima arah riset eksplisit, terstruktur, dan berbasis temuan yang ditujukan untuk komunitas akademik, peneliti, dan penerima hibah:

1. Riset Mendalam tentang Penggerak Inti Kerentanan Regional
   • Justifikasi Ilmiah: Temuan menunjukkan peningkatan risiko kawasan didorong oleh peningkatan Vulnerability dan penurunan Coping Capacities sejak 2019.
   • Arah Riset: Penelitian harus berfokus pada dekomposisi indikator-indikator di bawah Vulnerability dan Coping Capacity dari ASEAN RISK untuk mengidentifikasi variabel-variabel sosio-ekonomi spesifik (misalnya, Indeks Pembangunan Manusia di tingkat sub-nasional, tata kelola pemerintahan lokal) yang paling memengaruhi penurunan kapasitas penanggulangan di AMS yang paling berisiko. Riset lanjutan ini akan memerlukan analisis regresi data panel multi-tahun untuk memastikan intervensi kebijakan yang lebih terarah dan efektif, sesuai dengan rekomendasi agar metodologi pengurangan risiko fokus pada penggerak risiko.
2. Pengembangan Model Risiko Berjenjang (Cascading Risk) Non-Linear
   • Justifikasi Ilmiah: Pandemi meningkatkan risiko bencana rata-rata 33% melalui paparan aditif. Realitas operasional menunjukkan tantangan logistik yang tumpang tindih antara respons bencana alam dan pandemi.
   • Arah Riset: Akademisi harus bergeser dari model paparan aditif menuju pemodelan risiko berjenjang non-linear yang menguji bagaimana krisis (seperti bencana alam) di tengah ketegangan krisis lain (seperti pandemi) mengalikan dampak dan bukan hanya menjumlahkannya. Penelitian harus menggunakan simulasi berbasis agen (agent-based modeling) untuk memprediksi kegagalan rantai pasok logistik atau kelebihan kapasitas sistem kesehatan ketika bahaya ganda terjadi serentak, merumuskan protokol tanggap darurat yang resilient terhadap krisis simultan.
3. Kajian Formulasi Kerangka Berbagi Kelebihan Kapasitas Resiliensi Regional
   • Justifikasi Ilmiah: Singapura dan Brunei Darussalam menunjukkan 'kelebihan kapasitas ketahanan' yang tinggi (Coping Capacity jauh di atas Vulnerability). Penelitian merekomendasikan eksplorasi cara berbagi resiliensi surplus ini di seluruh kawasan.
   • Arah Riset: Penelitian kebijakan harus mengkaji kerangka kerja yang layak dan berkelanjutan untuk mentransfer Coping Capacity—bukan hanya bantuan fisik. Ini termasuk analisis governance dan legal (seperti pemanfaatan ASEAN Single Window untuk memfasilitasi logistik ), transfer pengetahuan (knowledge management), dan berbagi sumber daya teknis (misalnya, sistem peringatan dini atau teknologi ICT) dari AMS yang memiliki kapasitas tinggi ke AMS yang berisiko tinggi. Studi ini harus merancang proof-of-concept operasional regional untuk menguji kelayakan model berbagi kapasitas.
4. Integrasi AI dan Sistem Pendukung Keputusan (DSS) ke dalam Protokol Lokal
   • Justifikasi Ilmiah: Pandemi membatasi mobilitas, meningkatkan kebutuhan akan informasi real-time yang akurat. Teknologi seperti program FloodAI UNOSAT terbukti dapat memproses citra satelit dan menghasilkan peta banjir dalam waktu yang jauh lebih singkat. Namun, perlu adanya sistem yang lebih mudah diakses oleh pengambil keputusan di tingkat lokal.
   • Arah Riset: Penelitian harus menyelidiki desain dan implementasi Sistem Pendukung Keputusan (DSS) berbasis machine learning yang ramah pengguna untuk pengambil keputusan di tingkat nasional dan sub-nasional. Fokusnya harus pada integrasi teknologi ini ke dalam Standard Operating Procedure (SOP) respons bencana yang ada. Tujuan jangka panjang adalah untuk mengkatalisasi kapasitas lokal dan nasional dalam identifikasi dan pemantauan risiko.
5. Analisis Jangka Panjang Dampak Ganda Krisis terhadap Sumber Daya Manusia NDMO
   • Justifikasi Ilmiah: Sejumlah besar NDMO melaporkan ketegangan pada sumber daya manusia dan tuntutan workload ganda akibat peran ganda dalam respons COVID-19 dan bencana.
   • Arah Riset: Penelitian psikososial dan manajemen organisasi harus dilakukan untuk mengukur dampak jangka panjang stres dan burnout pada staf manajemen bencana. Riset ini harus merumuskan model Rencana Kelangsungan Bisnis (Business Continuity Plan/BCP) untuk Sumber Daya Manusia NDMO yang berkelanjutan, termasuk kebijakan rotasi tugas, peningkatan keterampilan lintas-sektoral, dan sistem dukungan kesehatan mental. Tujuannya adalah memastikan kesiapan operasional yang terjamin dalam skenario protracted crisis di masa depan.

Kesimpulan dan Ajakan Kolaboratif

Studi ARMOR edisi ke-3 ini telah secara tegas memposisikan masa depan manajemen bencana ASEAN sebagai tantangan compound risks. Peningkatan risiko rata-rata 33% yang terkuantifikasi menunjukkan bahwa strategi Disaster Risk Reduction (DRR) tidak boleh lagi beroperasi dalam silo. Perspektif jangka panjang menunjukkan bahwa krisis seperti COVID-19 bukanlah yang terakhir, menuntut pendekatan yang lebih terlembagakan dan efektif dalam mengatasi risiko.

Untuk mewujudkan Visi ASEAN 2025 menjadi pemimpin global dalam manajemen bencana, penelitian lebih lanjut harus melibatkan kolaborasi antar-institusi strategis. Ini harus melibatkan institusi ASEAN University Network (AUN) untuk riset akademik mendalam, lembaga pendanaan regional dan internasional (seperti Uni Eropa dan ADB) untuk hibah riset berorientasi solusi, dan satuan tugas operasional regional (seperti ASEAN-ERAT) untuk memastikan keberlanjutan dan validitas hasil, dan terutama melibatkan NDMO di setiap AMS untuk menjamin relevansi data dan kebijakan.

Baca paper aslinya di sini

Analisis Mendalam: Mengukur Ketahanan Jaringan Jalan Terhadap Sistem Transportasi Tangguh Banjir

Latar Belakang dan Tujuan Penelitian

Di tengah peningkatan tajam dalam tingkat keparahan dan frekuensi bencana alam yang dipicu oleh perubahan iklim, membangun ketahanan infrastruktur kritis—khususnya sistem transportasi—telah menjadi isu kebijakan global yang mendesak. Banjir, sebagai salah satu bencana alam yang paling sering terjadi, memiliki dampak langsung dan tidak langsung yang signifikan terhadap kesejahteraan manusia, fungsi ekosistem, dan pertumbuhan ekonomi akibat terhambatnya perdagangan logistik dan operasional rantai pasokan bantuan kemanusiaan. Meskipun penting, belum ada cara langsung yang terstandardisasi untuk mengukur ketangguhan (robustness) transportasi, yang didefinisikan sebagai dimensi proaktif dari kemampuan sistem untuk menahan bencana alam.

Penelitian ini bertujuan untuk menjembatani kesenjangan tersebut dengan secara kuantitatif mengukur ketangguhan infrastruktur transportasi terhadap bencana banjir. Tujuan ini dicapai melalui implementasi empiris kerangka kerja analitis empat tahap, berfokus pada sistem jaringan jalan dan risiko banjir di Chiang Mai, Thailand.

Jalur Logis Perjalanan Temuan

Riset ini mengikuti kerangka kerja empat tahap yang dimodifikasi dari Mens et al., memetakan respons sistem terhadap gangguan banjir:

1. Tahap 1: Menentukan Sistem dan Gangguan Sistem didefinisikan sebagai jaringan jalan urban di Chiang Mai, dengan gangguan utamanya adalah banjir lokal (local flooding) yang disebabkan oleh curah hujan tinggi, deforestasi di hulu, penyempitan Sungai Ping, dan sistem drainase jalan yang tidak memadai .
2. Tahap 2: Menggambarkan Respons Sistem Respons sistem diilustrasikan sebagai fungsi dari luas area yang rusak terhadap tingkat air banjir. Temuan ini menunjukkan hubungan langsung: seiring meningkatnya ketinggian air, jumlah area terdampak juga meningkat. Dengan tidak adanya tanggul, tidak ada banjir hingga gangguan mencapai 3,7 meter (Level 1). Luas kerusakan memuncak pada 25,83 km² pada ketinggian air 4,6 meter (Level 7).
3. Tahap 3: Menentukan Ambang Batas Pemulihan (Recovery Threshold) Tahap ini menetapkan batas di mana pemulihan sistem menjadi "menantang" atau bahkan menyebabkan "pergeseran rezim" (regime shift). Ambang batas pemulihan yang diukur untuk area terdampak di Chiang Mai diusulkan sebesar 6,33% dari total area provinsi, yang setara dengan 233.632 orang terdampak pada ketinggian air 4,7 meter. Meskipun hanya 6,33% dari area, wilayah ini sangat penting secara ekonomi, mencakup pusat perdagangan, sekolah (21 sekolah), rumah sakit besar, dan terminal bus . Ambang batas ini kemudian digunakan sebagai indikasi titik tanpa pemulihan (point of no recovery).
4. Tahap 4: Mengkuantifikasi Ketangguhan Ketangguhan dikuantifikasi melalui penerapan model Sentralitas Betweenness Tepi (Edge-) dan Node (Node-). Model ini mengukur proporsi respons dengan menilai kemungkinan suatu node (persimpangan) atau tepi (ruas jalan) digunakan untuk menghubungkan pasangan node mana pun. Node atau tepi dengan nilai sentralitas yang tinggi dianggap sebagai bagian penting dari jaringan yang dapat menyebabkan gangguan parah jika tidak ada rute alternatif.
   • Temuan kuantitatif sentralitas Betweenness: Temuan menunjukkan bahwa jumlah tautan, node, dan mobil yang terdampak meningkat sebanding dengan naiknya permukaan air.
     • Pada Level 7 (4,6 m), jumlah tautan terdampak mencapai 422.
     • Jumlah node terdampak mencapai 270.
     • Jumlah mobil terdampak (dalam PCU) mencapai 1.541.569.

Temuan ini menunjukkan hubungan kuat antara tingkat air banjir dan gangguan jaringan transportasi yang terukur—menunjukkan potensi kuat untuk objek penelitian baru dalam pemodelan dampak.

Kontribusi Utama terhadap Bidang

Kontribusi utama penelitian ini adalah dalam menyediakan metodologi kuantitatif baru untuk mengevaluasi ketahanan transportasi selama banjir. Secara khusus, penggunaan model sentralitas Edge- dan Node-Betweenness diaplikasikan untuk:

• Mengukur Ketangguhan Proaktif: Tidak hanya mengandalkan area yang rusak—yang umum dalam manajemen risiko banjir—tetapi juga memasukkan indikator transportasi yang sangat berharga: jumlah tautan, node, dan mobil yang terdampak. Ini memberikan perspektif yang lebih mendalam mengenai kekuatan jaringan dan prioritas restorasi.
• Mengembangkan Kurva Respons Sistem: Penelitian ini berhasil mengkuantifikasi respons sistem risiko banjir dalam hal area yang rusak, tautan terdampak, dan node terdampak, yang dapat digunakan perencana untuk mengembangkan alat yang lebih canggih untuk mengukur ketangguhan.
• Mendefinisikan Titik Kritis (Critical Point): Penelitian ini memberikan tolok ukur yang jelas untuk titik tanpa pemulihan berdasarkan kriteria sosio-ekonomi (6,33% area terdampak, mencakup institusi kritis).

Keterbatasan dan Pertanyaan Terbuka

Meskipun memberikan kontribusi yang signifikan, penelitian ini memiliki beberapa keterbatasan dan meninggalkan pertanyaan terbuka:

• Batasan Geografis dan Tipe Banjir: Studi ini berfokus secara empiris pada banjir lokal dan dampaknya di Chiang Mai, Thailand. Pertanyaan terbuka adalah bagaimana kerangka kerja ini akan beradaptasi dengan tipe banjir lain—seperti banjir sungai (riverine floods) atau banjir bandang (flash floods) yang lebih parah—di wilayah geografis yang berbeda.
• Kriteria Pemulihan yang Diusulkan: Kriteria pemulihan seperti 6,33% dari area terdampak adalah kriteria yang direkomendasikan dan didasarkan pada asumsi nilai ekonomi daerah tersebut. Keterbatasan ini menunjukkan perlunya penelitian lebih lanjut untuk memvalidasi atau menyempurnakan ambang batas ini melalui analisis biaya-manfaat atau simulasi sosial-ekonomi yang lebih rinci.
• Aspek Organisasi Ketahanan: Penelitian ini berfokus pada dimensi teknis ketahanan (ketangguhan). Dimensi organisasi ketahanan—yang meliputi jaringan, kepemimpinan, budaya, kesiapan, dan pemulihan cepat—tidak dipertimbangkan.
• Titik Tanpa Pemulihan yang Dinamis: Disebutkan bahwa titik tanpa pemulihan kemungkinan bukan titik perbedaan tunggal, melainkan proses bertahap, atau "area tanpa pemulihan". Selain itu, titik tanpa pemulihan yang dihitung berdasarkan ambang batas area terdampak belum terlampaui pada 4,6 m. Ini menunjukkan bahwa titik kritis ini perlu diukur lebih lanjut berdasarkan fungsionalitas tautan dan node yang benar-benar tidak dapat berfungsi.

5 Rekomendasi Riset Berkelanjutan

Rekomendasi ini diformulasikan untuk mendorong penelitian akademik yang lebih mendalam, divalidasi, dan komprehensif, memanfaatkan dasar-dasar yang telah ditetapkan oleh studi ini.

1. Menguji Kerangka Kerja di Berbagai Tipe Bencana (Banjir Bandang) dan Jaringan Lain (Rel/Air)

Justifikasi Ilmiah: Penelitian ini terfokus pada banjir lokal di Chiang Mai. Namun, banjir bandang diketahui sebagai jenis banjir yang paling parah. Penelitian lanjutan harus menerapkan kerangka kerja empat tahap ke banjir bandang di wilayah dengan topografi pegunungan curam untuk melihat apakah respons sistem (Tahap 2) menunjukkan kurva yang lebih curam (tingkat kerusakan yang lebih tinggi dalam rentang gangguan yang lebih sempit). Metode/Variabel Baru: Menggunakan data curah hujan dan limpasan hulu yang lebih terperinci dan mengintegrasikan model hidrodinamik dengan Sentralitas Betweenness pada jaringan transportasi selain jalan (misalnya, jaringan kereta api atau jalur air).

2. Mengembangkan Indeks Ketangguhan Gabungan yang Mengintegrasikan Variabel Teknis dan Organisasi

Justifikasi Ilmiah: Studi saat ini berfokus hanya pada dimensi teknis (ketangguhan). Untuk mencapai pemahaman yang lebih holistik tentang ketahanan transportasi, dimensi organisasi—seperti leadership, readiness, dan cost-effectiveness—juga harus dipertimbangkan. Metode/Variabel Baru: Membuat Indeks Ketangguhan Gabungan (CRI). Ini akan menggabungkan hasil Sentralitas Betweenness (variabel teknis) dengan data survei atau wawancara yang mengukur variabel organisasi, seperti waktu pemulihan rata-rata dan rasio biaya-efektivitas tindakan mitigasi.

3. Analisis Sensitivitas Komparatif terhadap Ambang Batas Pemulihan (Recovery Thresholds)

Justifikasi Ilmiah: Ambang batas pemulihan 6,33% area yang terdampak di Chiang Mai diusulkan sebagai titik kritis. Diperlukan validasi ilmiah yang ketat untuk memastikan bahwa kriteria ini berlaku secara universal. Metode/Variabel Baru: Melakukan analisis sensitivitas di mana ambang batas pemulihan diuji pada berbagai tingkat gangguan di sistem yang berbeda (misalnya, kota dengan kepadatan populasi atau nilai ekonomi yang jauh berbeda) untuk melihat bagaimana titik tanpa pemulihan bergeser. Variabel baru yang fokus pada kehilangan nilai tambah dalam bisnis (kerugian tidak langsung) dapat digunakan untuk mengkuantifikasi ambang batas ekonomi secara lebih akurat.

4. Memodelkan Ulang Alokasi Sumber Daya untuk Restorasi dengan Sentralitas Betweenness yang Dinamis

Justifikasi Ilmiah: Model Sentralitas Betweenness telah berhasil digunakan untuk mengukur bobot setiap bagian jalan dalam mendukung restorasi pasca-bencana. Penggunaan Sentralitas Betweenness untuk mengukur jumlah mobil terdampak juga dapat memecahkan masalah penugasan lalu lintas pasca-banjir. Metode/Variabel Baru: Mengembangkan model optimasi alokasi sumber daya restorasi dinamis yang menggunakan Sentralitas Betweenness yang dihitung secara real-time atau near-real-time saat banjir meningkat (Level 1 hingga 7) untuk mengidentifikasi tautan paling kritis yang harus dibuka terlebih dahulu guna meminimalkan PCU terdampak.

5. Studi Mendalam tentang Dampak Edge-Betweenness pada Logistik Kemanusiaan (Humanitarian Logistics)

Justifikasi Ilmiah: Penelitian ini menggarisbawahi bagaimana jaringan jalan yang rusak menghambat logistik kemanusiaan. Edge-Betweenness mengukur kepentingan relatif ruas jalan. Penelitian lebih lanjut diperlukan untuk secara eksplisit menghubungkan data Sentralitas Betweenness dengan kebutuhan spesifik logistik. Metode/Variabel Baru: Menggunakan Sentralitas Edge-Betweenness untuk mengidentifikasi "jalan kehidupan" yang paling penting (jalur terpendek ke rumah sakit seperti McCormick Hospital) dan menentukan peningkatan waktu tempuh akibat kerusakan. Hasilnya dapat berfungsi sebagai indikator yang dapat dikuantifikasi untuk pengurangan penderitaan manusia dan potensi kematian.

Penelitian lebih lanjut harus melibatkan institusi seperti Pusat Keunggulan dalam Teknologi Infrastruktur dan Teknik Transportasi (ExCITE), Departemen Pekerjaan Umum dan Tata Ruang Kota Thailand, dan Universitas Internasional untuk memastikan keberlanjutan dan validitas hasil di berbagai konteks global.

Baca paper aslinya di sini

Kecemasan Tak Terucap di Balik Kerucut Oranye

Saya yakin kamu pernah merasakannya. Momen ketika kamu terjebak di tengah proyek konstruksi jalan raya yang masif. Jalur menyempit, rambu-rambu membingungkan, dan debu beterbangan di udara. Ada semacam stres tingkat rendah yang merayap, campuran antara frustrasi karena macet dan sedikit kecemasan saat mobilmu hanya berjarak beberapa sentimeter dari pembatas beton. Kita melihat para pekerja dengan rompi hijau terang itu, bergerak di antara alat berat dan lalu lintas yang menderu, dan pikiran pertama kita sering kali egois: “Aduh, ini merepotkan sekali buat saya.”

Tapi, coba kita jeda sejenak dan putar pertanyaannya. Bagaimana rasanya menjadi mereka? Bagaimana rasanya menghabiskan delapan hingga sepuluh jam sehari di dalam kekacauan yang terkendali itu? Apakah aman? Dan yang lebih penting, apakah mereka merasa aman?

Pertanyaan inilah yang membawa saya pada sebuah makalah penelitian yang luar biasa oleh Lina Shbeeb. Ini bukan dokumen akademis yang kering dan membosankan. Sebaliknya, ini adalah sebuah jendela langka yang membuka pandangan kita ke dunia tersembunyi para pekerja konstruksi. Dengan mengambil studi kasus proyek raksasa Bus Rapid Transit (BRT) di Amman, Yordania—sebuah proyek yang memakan waktu satu dekade—penelitian ini melakukan sesuatu yang radikal: ia bertanya langsung kepada para pekerjanya. Dan percayalah, temuan-temuannya akan mengubah caramu memandang barisan kerucut oranye itu selamanya. Temuan ini mengungkap sesuatu yang fundamental tentang cara manusia memandang risiko dan realitas di tempat kerja.   

Ini Bukan Sekadar Aturan, Ini soal “Atmosfer”—Membongkar Iklim Keselamatan di Lapangan

Inti dari penelitian ini adalah sebuah konsep yang disebut “Iklim Keselamatan” atau Safety Climate. Sebelum kamu mengernyitkan dahi, izinkan saya menjelaskannya dengan sebuah analogi.   

Bayangkan ada dua dapur restoran. Dapur A bersih karena besok akan ada inspeksi dari dinas kesehatan. Dapur B bersih kinclong setiap saat karena sang koki terobsesi dengan kualitas, kebersihan, dan rasa hormat terhadap bahan makanan serta stafnya. Dapur A beroperasi berdasarkan kepatuhan. Dapur B beroperasi berdasarkan budaya. Nah, “iklim keselamatan” adalah atmosfer atau “vibe” di Dapur B itu—persepsi bersama yang tak terucap di antara para karyawan tentang apa yang benar-benar dihargai oleh manajemen.   

Atmosfer inilah yang coba diukur oleh studi ini. Penelitian ini tidak sekadar menghitung jumlah kecelakaan setelah terjadi—sebuah pendekatan yang disebut “reaktif”. Sebaliknya, ia mencoba mengukur indikator-indikator utama (leading indicators)—yaitu persepsi dan perasaan para pekerja—yang dapat memprediksi dan mencegah kecelakaan tersebut. Ini adalah lompatan dari sekadar metrik sederhana ke jantung psikologi organisasi.   

Untuk mengukur iklim ini, peneliti membagi responden menjadi dua kelompok cerdas:

1. “Orang Dalam” (Kelompok Berbasis Proyek atau PB): 75 orang yang bekerja langsung di proyek BRT Amman. Mereka diwawancarai tatap muka, di tengah debu dan bisingnya proyek.   

2. “Orang Luar” (Kelompok Berbasis Umum atau GB): 43 profesional dari industri konstruksi Yordania yang lebih luas. Mereka mengisi formulir online berdasarkan pengalaman umum mereka di berbagai proyek.   

Pengaturan ini—membandingkan pandangan orang dalam dengan pandangan orang luar—menjadi kunci yang membuka temuan paling mengejutkan dari penelitian ini.

Kejutan Terbesar: Mengapa Orang Dalam dan Orang Luar Melihat Keselamatan Secara Berbeda

Inilah temuan utamanya, yang saya sampaikan di awal agar dampaknya maksimal: orang-orang yang berada di garis depan proyek BRT raksasa (Orang Dalam) secara konsisten merasa bahwa langkah-langkah keselamatan kurang diterapkan dan dipatuhi dibandingkan dengan apa yang diyakini oleh para profesional industri pada umumnya (Orang Luar).

Ini bukan sekadar perbedaan pendapat. Ini adalah bukti adanya potensi “distorsi realitas” di tingkat industri. Persepsi kelompok GB (Orang Luar) mewakili kondisi “ideal” atau “sesuai buku teks”—apa yang diyakini semua orang sedang terjadi. Sementara itu, persepsi kelompok PB (Orang Dalam) adalah cerminan realitas di lapangan yang berantakan, penuh kompromi, dan berada di bawah tekanan proyek yang kompleks. Jurang di antara keduanya adalah tempat di mana bahaya bersembunyi.

Mari kita telusuri logikanya. Data menunjukkan adanya kesenjangan yang konsisten: responden GB melaporkan tingkat penerapan keselamatan yang lebih tinggi di semua lini dibandingkan responden PB. Misalnya, untuk tugas di dalam lokasi proyek, GB melaporkan tingkat kepatuhan 75%, sementara PB hanya 60.7%. Mengapa ini bisa terjadi? Kelompok GB menjawab berdasarkan pengetahuan umum dan pengalaman mereka di berbagai proyek yang mungkin lebih kecil atau tidak sekompleks BRT. Pandangan mereka adalah rata-rata dari standar industri. Di sisi lain, kelompok PB menjalani realitas sehari-hari dari satu proyek spesifik yang masif dan berlangsung selama satu dekade. Tekanan, tenggat waktu, dan kerumitan unik dari proyek ini kemungkinan besar mengikis praktik keselamatan standar.   

Artinya, kesenjangan ini bukan hanya tentang satu proyek. Ini menyiratkan bahwa proyek-proyek skala besar mungkin secara sistematis memiliki kinerja keselamatan yang lebih rendah dibandingkan dengan persepsi industri itu sendiri. “Pengetahuan umum” industri tentang standar keselamatannya sendiri mungkin terlalu optimis dan berbahaya.

Kisah Dua Realitas: Data Tak Pernah Bohong

Mari kita pecah perbedaan ini dengan beberapa poin data yang paling mencolok, agar kamu bisa melihat betapa lebarnya jurang pemisah itu.

• 🚀 Bongkar Muat—Kesenjangan Terbesar: Kelompok GB (Orang Luar) melaporkan tingkat kepatuhan protokol keselamatan bongkar muat yang mengesankan, yaitu 80.9%. Kelompok PB (Orang Dalam)? Angkanya anjlok 20.7 poin persentase lebih rendah. Ini adalah perbedaan paling signifikan yang ditemukan dalam studi ini. Bayangkan, aktivitas yang sangat berisiko ini ternyata menjadi titik buta terbesar.   

• 🤔 Manajemen Harian yang Tergelincir: Orang Dalam merasa bahwa “pemeliharaan dan manajemen” protokol keselamatan adalah salah satu area terlemah, dengan hanya 51.4% yang mengonfirmasi kepatuhan. Namun, Orang Luar memandang area ini jauh lebih positif, di angka 64.1%. Ini menunjukkan kegagalan bukan pada aturannya, tetapi pada penegakan dan pemeliharaan yang konsisten dari hari ke hari.   

• 🧠 Tahu Aturan vs. Melaksanakannya: Menariknya, kedua kelompok menilai area seperti “pelatihan staf” dengan cukup baik. Masalahnya bukan kurangnya pengetahuan. Masalahnya adalah kesenjangan antara mengetahui aturan dan mengikutinya di bawah tekanan.

• 💡 Pelajaran yang Menyadarkan: Data ini melukiskan gambaran yang jelas: ada jurang berbahaya antara citra budaya keselamatan industri dan pengalaman nyata di sebuah proyek berisiko tinggi. Bergantung pada standar industri saja tidak cukup.

Pandangan dari Sudut yang Berbeda: Bagaimana Jabatanmu Mengubah Realitasmu

Jika temuan tadi belum cukup mengejutkan, studi ini menggali lebih dalam dan menemukan bahwa bahkan di dalam proyek itu sendiri, tidak ada satu realitas tunggal. Peran, pengalaman, dan pendidikan seseorang menciptakan dunia yang sama sekali berbeda di atas sebidang tanah yang sama.

Studi ini menemukan tren yang jelas dan signifikan secara statistik: para pekerja lapangan secara konsisten memberikan peringkat terendah untuk kelayakan penerapan keselamatan, sementara para insinyur penghubung (liaison engineers) dan direktur proyek memberikan peringkat tertinggi.   

Ini seperti bertanya tentang kualitas makanan di sebuah restoran. Pemiliknya, yang merancang menu, akan mengatakan makanannya fantastis. Pelayan, yang mendengar keluhan pelanggan, akan memiliki pandangan yang lebih beragam. Sementara itu, petugas cuci piring, yang melihat sisa makanan yang dibuang, akan memiliki perspektif yang paling jujur dan brutal. Mereka semua bekerja di gedung yang sama, tetapi mereka mengalami realitas yang berbeda.

Data ini menunjukkan bahwa semakin jauh seseorang dari risiko fisik secara langsung, semakin tinggi persepsi mereka tentang keselamatan. Ini adalah bias kognitif yang mendalam dan berbahaya dalam manajemen. Seorang direktur proyek di kantor ber-AC yang meninjau laporan keselamatan melihat sebuah sistem yang berfungsi di atas kertas. Seorang pekerja yang menghindari alat berat melihat sebuah sistem dengan celah-celah berbahaya. Kesenjangan ini bukan tentang niat jahat; ini tentang perbedaan mendasar dalam pengalaman hidup.

Peringkat keselamatan yang positif dari manajemen mungkin tidak mencerminkan realitas, melainkan keberhasilan sistem pelaporan mereka. Mereka melihat kepatuhan formal, bukan insiden nyaris celaka atau jalan pintas yang diambil pekerja untuk memenuhi tenggat waktu. Ini menciptakan lingkaran umpan balik di mana manajemen, karena percaya semua aman, mungkin tidak menyelidiki lebih lanjut, membiarkan risiko yang mendasarinya tidak teratasi.

Lalu ada “paradoks pengalaman”. Studi ini menemukan sesuatu yang berlawanan dengan intuisi. Pekerja paling berpengalaman (lebih dari 15 tahun) menilai keselamatan dengan tinggi, tetapi kelompok karir menengah (7–10 tahun) menilainya paling rendah. Ini sangat menarik. Mungkin ada semacam “kurva sinisme”. Pekerja baru (1–3 tahun) mungkin masih optimis. Kelompok karir menengah telah melihat cukup banyak untuk mengetahui risiko dan jalan pintas, tetapi belum berada di posisi untuk mengubah keadaan. Kelompok paling berpengalaman sering kali telah beralih ke peran senior, mengadopsi pandangan sistemik yang lebih jauh, sehingga menilai keselamatan lebih tinggi lagi.   

Kesenjangan persepsi yang dramatis antara seorang pekerja dan seorang direktur proyek ini menyoroti titik kegagalan kritis di banyak organisasi: kurangnya bahasa dan pemahaman risiko yang sama. Hal ini menggarisbawahi mengapa pelatihan standar dan berkualitas tinggi di semua tingkatan organisasi bukanlah sebuah kemewahan, melainkan sebuah keharusan. Untuk menjembatani kesenjangan ini, semua orang dari karyawan baru hingga manajer senior harus berada di halaman yang sama, yang merupakan tujuan dari program pengembangan profesional komprehensif seperti yang ditawarkan oleh (https://diklatkerja.com/).

Pandangan Saya: Sebuah Studi Hebat dengan Sedikit Catatan Jujur

Sejujurnya, saya sangat mengapresiasi penelitian ini. Saya memuji metodologinya yang berani melihat elemen manusia. Riset semacam ini sangat penting karena menggeser percakapan dari “perbanyak aturan” menjadi “perbaiki budaya”. Ia memperlakukan pekerja bukan sebagai roda penggerak mesin, tetapi sebagai individu kompleks yang persepsinya adalah data keselamatan paling berharga yang bisa kita dapatkan.

Namun, ada satu hal yang ingin saya soroti, yang justru menunjukkan kekuatan dan kejujuran dari penelitian ini. Peneliti menggunakan teknik statistik yang sangat canggih bernama Confirmatory Factor Analysis (CFA) untuk menguji apakah data yang mereka kumpulkan cocok dengan model teoretis mereka tentang iklim keselamatan.   

Dengan sangat transparan, penulis mengakui bahwa “beberapa kriteria kesesuaian model masih belum terpenuhi”. Indeks kesesuaian modelnya berada di bawah ambang batas ideal, yang menunjukkan bahwa data dari dunia nyata sedikit lebih “berantakan” daripada yang bisa ditangkap dengan sempurna oleh model teoretis.   

Bagi non-statistikawan, ini mungkin terdengar seperti kelemahan. Saya melihatnya sebagai kebalikannya. Ini adalah tanda penelitian yang jujur. Dunia manusia di lokasi konstruksi itu rumit dan penuh nuansa. Fakta bahwa ia tidak pas dengan sempurna ke dalam kotak statistik bukanlah kegagalan model; itu adalah bukti kompleksitas masalahnya. Ini justru memperkuat pesan inti dari studi ini: persepsi manusia itu bernuansa dan tidak dapat diprediksi dengan sempurna, dan itulah mengapa kita harus lebih sering mendengarkannya.

Kesimpulan: Membangun Realitas yang Lebih Aman, Bukan Sekadar Buku Aturan yang Lebih Tebal

Perjalanan kita melintasi kerucut oranye ini membawa kita pada sebuah kesimpulan yang kuat. Keselamatan sejati tidak ditemukan dalam buku aturan yang lebih tebal atau poster baru di dinding. Keselamatan sejati dibangun di ruang antara manusia—dalam kepercayaan antara pekerja dan pengawas, dalam pemahaman bersama bahwa mengambil jalan pintas tidak akan pernah sepadan, dan dalam komitmen tulus dari pimpinan untuk mendengarkan suara-suara dari “ujung tombak”.

Lain kali kamu terjebak dalam kemacetan karena proyek konstruksi, cobalah melihatnya secara berbeda. Bukan sebagai ketidaknyamanan, tetapi sebagai ekosistem manusia yang kompleks di mana alat keselamatan terpenting bukanlah helm, melainkan realitas yang dipahami bersama. Proyek yang sesungguhnya bukanlah sekadar membangun jalan; ini tentang membangun budaya keselamatan, satu percakapan dan satu pengamatan jujur pada satu waktu.

Tulisan ini hanya menggores permukaan dari sebuah studi yang kaya dan mendetail. Jika penjelajahan sisi manusiawi dari keselamatan ini telah memicu minatmu dan kamu siap untuk menyelam lebih dalam ke data dan model statistiknya, saya sangat menganjurkanmu untuk membaca penelitian aslinya.

(https://doi.org/10.1080/23311916.2023.2283320)

Sebelum kita menyelami data yang mengejutkan, mari kita pahami konteksnya. Industri konstruksi di Irak, seperti di banyak negara berkembang lainnya, menghadapi tantangan besar. Paper ini menyoroti bahwa mereka masih sangat bergantung pada metode manajemen keselamatan dan kesehatan kerja (K3) tradisional. Akibatnya, angka cedera dan kematian di lokasi proyek masih tinggi. Peran teknologi modern sering kali hanya sebatas bertukar email atau pesan teks.   

Untuk memahami mengapa hal ini terjadi, para peneliti tidak mewawancarai CEO perusahaan raksasa. Sebaliknya, mereka melakukan sesuatu yang jauh lebih cerdas: mereka menyebarkan kuesioner kepada 98 manajer proyek dari perusahaan skala kecil dan menengah.   

Ini adalah poin yang sangat penting. Sering kali, kisah sukses adopsi teknologi datang dari perusahaan besar dengan anggaran riset dan pengembangan tak terbatas. Namun, tulang punggung industri konstruksi global adalah perusahaan kecil dan menengah ini. Mereka adalah cerminan realitas sehari-hari bagi sebagian besar pekerja. Dengan berfokus pada mereka, studi ini tidak hanya memberikan gambaran, tetapi juga potret jujur dari tantangan di lapangan yang sebenarnya. Ini bukan tentang apa yang mungkin terjadi di dunia yang ideal; ini tentang apa yang benar-benar terjadi di parit perjuangan.

Data yang Membuat Saya Terdiam dan Berpikir Ulang

Ketika saya mulai membaca bagian hasil, saya mengharapkan adanya nuansa abu-abu—beberapa teknologi diadopsi dengan baik, yang lain tidak. Apa yang saya temukan justru sebuah gambaran yang hitam-putih dan sangat jelas.

Kasus Aneh dari Kotak Perkakas yang Kosong

Bayangkan seorang mekanik ahli dengan garasi yang dipenuhi peralatan canggih—kunci torsi digital, pemindai diagnostik, lift hidrolik—tetapi untuk setiap pekerjaan, ia hanya menggunakan satu kunci pas yang sudah usang. Aneh, bukan? Itulah gambaran yang dilukiskan oleh data adopsi teknologi di Irak.

Para peneliti menyajikan daftar 15 teknologi modern kepada para manajer, mulai dari Building Information Modelling (BIM) hingga Unmanned Aerial Vehicles (UAVs) atau drone. Hasilnya mencengangkan:

• 🚀 Hasilnya mengejutkan: Teknologi yang paling banyak digunakan—BIM dan Wearable Sensing Devices (WSDs)—hanya diadopsi oleh sekitar 25% responden. Artinya, tiga dari empat manajer bahkan tidak menggunakan alat yang paling populer sekalipun.   

• 🧠 Inovasi terabaikan: Teknologi yang lebih canggih seperti Artificial Intelligence (AI), Virtual Reality (VR), dan drone hanya digunakan oleh sekitar 10-11% manajer. Alat-alat ini bukan lagi fiksi ilmiah; mereka adalah alat yang tersedia di pasar, namun di lapangan, mereka hampir tidak ada.   

• 💡 Pelajaran penting: Data ini menunjukkan adanya jurang pemisah yang besar antara apa yang mungkin dilakukan dengan teknologi dan apa yang sebenarnya dilakukan di lokasi proyek.

Awalnya, reaksi pertama saya adalah, "Mungkin mereka tidak tahu manfaatnya." Tapi kemudian saya sampai ke tabel berikutnya, dan narasi itu berubah total.

Mimpi yang Ternyata Mereka Miliki Bersama

Para peneliti kemudian bertanya, "Terlepas dari apakah Anda menggunakannya atau tidak, apa manfaat terbesar dari teknologi ini?" Di sinilah ceritanya menjadi sangat menarik. Para manajer ini ternyata sangat sadar akan potensi teknologi tersebut.

Bayangkan jika Anda bisa memimpin tim Anda berjalan-jalan di dalam gedung secara virtual, menemukan bahwa pipa air akan bertabrakan dengan saluran listrik, dan memperbaikinya dengan beberapa klik—semua itu dilakukan sebelum fondasi digali. Itulah kekuatan BIM. Dan ternyata, para manajer di Irak ini memahaminya dengan sangat baik.

Lebih dari 75% dari mereka setuju bahwa dua manfaat terbesar dari teknologi K3 adalah "menghilangkan bahaya selama fase desain" dan "membantu memvisualisasikan bahaya". Mereka juga sangat setuju bahwa teknologi dapat "meningkatkan pelaporan nyaris celaka" (71%) dan "meningkatkan kesadaran pekerja akan bahaya" (66%).   

Di sinilah paradoks utamanya muncul. Jika tiga dari empat manajer memahami dengan jelas bahwa teknologi ini dapat menyelamatkan nyawa dengan mencegah masalah sejak awal, mengapa hanya satu dari empat yang benar-benar menggunakannya? Ini bukan masalah kurangnya pengetahuan atau kesadaran. Ini adalah masalah yang lebih dalam. Para manajer ini tahu apa yang harus dilakukan, tetapi ada sesuatu yang menghalangi mereka.

Mengungkap Sang Penjahat Sebenarnya: Bukan Manusia, Melainkan Kertas dan Label Harga

Bagian inilah yang benar-benar mengubah cara saya memandang masalah adopsi teknologi. Studi ini menyajikan daftar 10 potensi hambatan dan meminta para manajer untuk memilih mana yang paling signifikan. Hasilnya seperti lampu sorot yang menyoroti dua pelaku utama.

Penghalang nomor satu, yang dikutip oleh 86,7% manajer, adalah "biaya tambahan yang terkait dengan teknologi". Penghalang nomor dua, yang dikutip oleh 80,6% manajer, adalah "sedikit atau tidak adanya peraturan pemerintah untuk penggunaan".   

Sangat mudah untuk melihat angka-angka ini dan berpikir, "Ah, ini masalah negara berkembang." Tapi itu adalah kesimpulan yang malas dan keliru. Paper ini sendiri merujuk pada sebuah studi di AS di mana biaya juga menjadi penghalang utama, meskipun dengan persentase yang lebih rendah yaitu 47%. Biaya adalah bahasa universal.   

Namun, berita utama yang sesungguhnya, wawasan yang melampaui batas negara, adalah angka 81% untuk regulasi. Ini bukan cerita tentang pekerja yang menolak perubahan atau manajer yang tidak mau belajar. Ini adalah cerita tentang sebuah sistem yang gagal menciptakan kondisi agar perubahan dapat berhasil.

Kedua penghalang teratas ini—biaya dan kurangnya regulasi—bukanlah dua masalah yang terpisah. Mereka saling terkait erat. Ketiadaan regulasi secara langsung memperbesar persepsi biaya teknologi, mengubah pengeluaran bisnis yang dapat dikelola menjadi rintangan yang tidak dapat diatasi. Begini cara kerjanya:

1. Di industri yang diatur dengan ketat, kepatuhan terhadap standar keselamatan adalah biaya yang tidak bisa ditawar. Perusahaan harus menganggarkannya.

2. Di lingkungan tanpa regulasi yang jelas, teknologi keselamatan bukanlah biaya kepatuhan, melainkan investasi diskresioner. Ia harus bersaing dengan investasi lain yang memiliki laba atas investasi (ROI) yang lebih jelas, seperti membeli truk baru.

3. Oleh karena itu, ketiadaan mandat peraturan membuat "biaya tambahan" dari teknologi keselamatan terasa jauh lebih besar dan kurang perlu daripada di pasar yang diatur. Kurangnya aturan pemerintah membuat label harga menjadi tidak dapat diterima secara politis dan finansial bagi perusahaan kecil dan menengah.

Dan ada satu lagi data krusial yang terkubur di bagian bawah daftar hambatan. Faktor "tenaga kerja yang menua resisten terhadap perubahan" berada di peringkat paling buncit, hanya dikutip oleh 15,3% manajer sebagai batasan. Ini adalah temuan yang luar biasa. Ini secara telak membantah mitos umum bahwa pekerja yang lebih tua dan kurang melek teknologi adalah penghalang utama inovasi. Masalahnya bukan pada manusianya; masalahnya ada pada sistem dan ekonomi. Ini mengalihkan fokus dari individu ke struktur, memberikan diagnosis yang jauh lebih akurat tentang akar masalahnya.   

Cetak Biru untuk Masa Depan yang Lebih Cerdas dan Aman (Bagi Semua Orang)

Meskipun studi ini berbasis di Irak, pelajarannya bersifat universal. Ini memberikan cetak biru tentang cara mengatasi hambatan sistemik terhadap teknologi yang dapat menyelamatkan nyawa, di industri apa pun dan di negara mana pun.

• 🚀 Inovasi Sebenarnya Bukan pada Teknologi, tapi pada Sistem: Studi ini menunjukkan bahwa memiliki teknologi saja tidak cukup. Terobosan nyata datang dari penciptaan lingkungan ekonomi dan peraturan di mana adopsi teknologi tersebut tidak hanya mungkin, tetapi juga logis dan perlu.

• 🧠 Dengarkan Mereka yang di Garis Depan: Ke-98 manajer ini tidak bodoh terhadap solusi; mereka sangat sadar akan hambatannya. Setiap strategi implementasi teknologi yang sukses harus dimulai dengan mengatasi masalah utama penggunanya—dalam hal ini, biaya dan kurangnya standar yang jelas.

• 💡 Rencanakan Secara Proaktif, Bukan Reaktif: Manfaat yang paling dihargai adalah menghilangkan bahaya selama fase desain. Ini menyoroti pergeseran strategis besar dari keselamatan reaktif (misalnya, memakai helm untuk melindungi kepala dari benda jatuh) ke keselamatan proaktif (misalnya, mendesain proses kerja sehingga tidak ada risiko benda jatuh sama sekali). Di sinilah letak transformasi sejati.

Para manajer dalam studi ini secara luar biasa menunjuk pada desain proaktif sebagai manfaat utama teknologi. Alat seperti Building Information Modelling (BIM) adalah pusat dari pergeseran ini, memungkinkan tim untuk membangun dan mengurangi risiko proyek secara virtual sebelum terjun ke lapangan. Bagi para profesional yang ingin memimpin perubahan ini, menguasai alat-alat ini bukan lagi sebuah kemewahan. Kursus gambaran umum seperti (https://diklatkerja.com/course/building-information-modeling-for-structure-design/) menyediakan pola pikir dasar yang diperlukan untuk mengubah cetak biru menjadi kenyataan yang lebih aman.

Giliran Anda Membangun Rencana yang Lebih Baik

Pada akhirnya, teknologi hanyalah sebuah alat. Keberhasilan atau kegagalannya ditentukan oleh sistem yang kita bangun di sekitarnya. Studi dari Irak ini adalah pengingat yang kuat bahwa untuk memecahkan tantangan keselamatan terbesar kita, kita perlu melihat lebih dari sekadar perangkat lunak dan fokus pada struktur—finansial dan hukum—yang memungkinkan penggunaannya.

Lain kali Anda melihat proyek konstruksi, jangan hanya melihat derek dan kerangka baja. Pikirkan tentang jaringan tak terlihat dari keputusan ekonomi, tekanan peraturan (atau ketiadaannya), dan pilihan manusiawi yang menentukan apakah setiap pekerja di sana akan pulang dengan selamat di penghujung hari.

Jika ulasan mendalam tentang data ini telah memicu rasa ingin tahu Anda, saya sangat menyarankan Anda untuk membaca paper aslinya. Ini adalah pandangan yang ringkas namun kuat tentang isu kritis yang memengaruhi kita semua.

(https://doi.org/10.1051/e3sconf/202126304043)